论文
CoFL-S：用于本地语言条件导航的空间可查询扇区流场
CoFL-S: Spatially Queryable Sector Flow Fields for Local Language-Conditioned Navigation
摘要
视觉语言导航越来越强调高级指令推理、记忆、全局地图构建和指令分解，而底层动作表示仍然相对未得到充分探索。我们提出了 CoFL-S，这是一种底层视觉-语言-动作框架，可以预测机器人局部可见区域上的语言条件流场，并通过沿预测流场展开来生成连续轨迹。为了训练这种底层表示，我们将每个 VLN-CE 片段（最初是与动作序列配对的整片段指令）转换为具有对齐子指令和匹配动作、轨迹和密集流场目标的帧级局部监督。为了进行评估，我们引入了连续时间 Habitat 基准，它将底层动作接口与指令分解隔离开来，并通过共享速度命令控制器执行所有方法，从而能够跨不同规划器频率进行与分解无关的闭环比较，而不是 VLN-CE 中固定的离散前进和转弯转换。在匹配的编码器和训练设置下，CoFL-S 在连续时间 Habitat 基准测试中的规划器频率上始终优于基线，零样本现实世界闭环部署进一步显示了其相对于模拟之外的评估基线的优势。请参阅项目网站 https://github.com/ut-dragon-lab/CoFL